声明
摘要
插图索引
附表索引
第1章 绪论
1.1 课题研究的背景与意义
1.2 滚动轴承故障诊断技术的研究现状与趋势
1.2.1 信号处理方法在滚动轴承故障诊断中的应用现状与趋势
1.2.2 模式识别方法在滚动轴承故障诊断中的应用现状与趋势
1.3 课题来源与论文章节安排
1.3.1 课题来源
1.3.2 论文的章节安排
第2章 滚动轴承故障机理及诊断方法
2.1 滚动轴承失效形式
2.2 滚动轴承振动机理及振动特征
2.2.1 滚动轴承振动机理
2.2.2 滚动轴承振动特征
2.3 滚动轴承故障诊断方法
2.3.1 基于信号处理的滚动轴承故障诊断方法
2.3.2 基于模式识别的滚动轴承故障诊断方法
2.4 本章小结
第3章 基于变量预测模型模式识别方法
3.1 VPMCD方法理论
3.2 模式识别方法对比分析
3.3 应用对比分析
3.4 本章小结
第4章 基于QGA智能算法优化模型的VPMCD在滚动轴承故障诊断中的应用
4.1 QGA智能算法
4.1.1 量子比特编码
4.1.2 量子门更新
4.1.3 算例分析
4.2 基于QGA-VPMCD智能诊断模型
4.2.1 QGA-VPMCD模型
4.2.2 QGA对SVPM模型权值矩阵的优化
4.3 基于QGA-VPMCD的滚动轴承诊断方法
4.3.1 基于QGA-VPMCD的滚轴轴承故障诊断步骤
4.3.2 实例分析
4.4 本章小结
第5章 基于替代模型的VPMCD算法及其在滚动轴承故障诊断中的应用
5.1 基于R-VPMCD滚动轴承诊断方法
5.1.1 R-VPM模型
5.1.2 对比分析
5.1.3 基于R-VPMCD滚动轴承故障诊断步骤
5.2 基于K-VPMCD滚动轴承故障诊断方法
5.2.1 Kriging模型
5.2.2 对比分析
5.2.3 基于K-VPMCD滚动轴承故障诊断步骤
5.3 实例分析
5.4 本章小结
第6章 基于AKVPMCD的滚动轴承故障诊断方法
6.1 AKVPMCD方法
6.1.1 子KVPM的建立
6.1.2 AFSA对子KVPM权值矩阵的优化
6.2 基于AKVPMCD和ASTFA降噪的滚动轴承故障诊断方法
6.2.1 ASTFA降噪
6.2.2 仿真分析
6.2.3 基于AKVPMCD和ASTFA降噪的滚动轴承故障诊断步骤
6.2.4 实例分析
6.3 基于AKVPMCD和AN降维的滚动轴承故障诊断方法
6.3.1 AN非线性降维方法
6.3.2 基于AKVPMCD和AN降维的滚动轴承故障诊断步骤
6.3.3 实例分析
6.4 本章小结
结论与展望
参考文献
致谢
附录A 攻读学位期间发表和录用的论文目录
附录B 攻读学位期间参与的科研项目